ChatGLM2-6B-Toy模板网

这篇具有很好参考价值的文章主要介绍了ChatGLM2-6B。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

ChatGLM2-6B

项目基本情况
GitHub：https://github.com/THUDM/ChatGLM2-6B/tree/main
参考：https://mp.weixin.qq.com/s/11jCCeOpg1YbABIRLlnyvg
主要贡献
更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%）、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
1. 更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
1. 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。
1. 更开放的协议：ChatGLM2-6B 权重对学术研究完全开放，在获得官方的书面许可后，亦允许商业使用
  核心：More data 、 Flash-Attention 、 Multi-Query Attention
记录
环境安装
git clone https://github.com/THUDM/ChatGLM2-6B
conda create -n chatglm12-offical-py310 python=3.10 # 创建新环境
source activate chatglm12-offical-py310 # 激活环境
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

下载模型
git lfs install
git clone https://huggingface.co/THUDM/chatglm2-6b
2. 微调方式
3. 模型推理
1. 命令行调用
python cli_demo.py
2. 网页端调用
streamlit run web_demo2.py --server.address “0.0.0.0” – server.port 1892

1892为docker向外映射的端口
3. 接口部署
使用的是FastAPI进行接口的调用
python api.py

待续文章来源地址https://www.toymoban.com/news/detail-554293.html

到了这里，关于ChatGLM2-6B的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！